本授業では、データ解析の考え方や代表的な手法について、それらの数理的背景も含めて理解するとともに、Pythonプログラミングによりそれらの手法を実際に手を動かしながら実装することで理解を深める。 後期課程や大学院におけるデータサイエンス、人工知能、機械学習、自然言語処理などの関連授業の基礎となる知識を習得することを目標とする。

広く産学官にわたってグローバルに活躍するために必要な「俯瞰力」を養成することを目指す。物質科学の各分野について最先端の知識を修得し、自分の専門分野と周辺分野がどのように関連するか、あるいはし得るか、について深く考察するために、第一線で活躍する講師の方々にその分野の最前線を概観していただく。さらに、それらの講義を通して異分野間のコミュニケーションを円滑に進めるための具体的方法論を学ぶ。 This survey course is designed to enable students to develop the broad perspective that is required of global leaders working in and across industry, academia, and government. Students will gain knowledge and insight on advancements in each field of materials science research, given by leading researchers working on the frontline in those fields. This will allow students to consider how peripheral fields are related to their own area of expertise, and to consider the potential for forging bridges between related fields in the future. In addition, students will learn specific methodologies designed to facilitate smooth communication among different disciplines.

1.「知能とは何か，どう構成されるか．」についての考え方と知識を学ぶ． 2.「システム構成論」という見方，考え方，態度を身につける． 3.ロボット行動制御システムの基本を学ぶ．人工知能手法の基礎を身につける．

ビッグデータの時代と言われている。近年、データの計測およびストレージ技術の発達とともに、大規模データから適切に情報抽出し、それを意思決定に活用することが必須のリテラシーとなっている。いっぽうデータの形式と対応する解析法の変化は著しく、新しい方法を正しく利用するために、普遍的な統計科学の原理を理解することが重要である。基礎となる統計数理とともに、具体的な統計解析手法とその運用を、統計ソフトウエアによるデータ解析実習を通じて習得する。 　統計データ解析Iでは、受講者が統計ソフトウエアを用いた実験によって確率的現象に慣れ、統計推測法の意味を理解し、データ解析の方法を実習する。統計ソフトウエアRの使い方を学んだあと、シミュレーションによってランダムネスと極限定理を体験する。後で必要になる確率分布を学び、基本的な記述統計量と標本分布に関する基礎事項を学習する。推測統計における基礎的な推定・検定法、および分散分析、回帰分析の方法を、データ処理を通じて実習する。 It is said that we are in the era of Big Data. With the recent development of data measurement and storage technologies, it has become essential literacy to properly extract information from large-scale data and utilize it for decision-making. However, the format of data and the corresponding analysis methods have changed remarkably, and it is important to understand the essential principles of statistical science in order to properly use new methods. Students learn basic statistical mathematics as well as specific statistical analysis methods and their application through practical training in data analysis using statistical software. In Statistical Data Analysis I, students become familiar with probabilistic phenomena through experiments using statistical software, understand the meaning of statistical inference methods, and practice data analysis methods. After learning how to use the statistical software R, students will experience randomness and limit theorems through simulations. Students will learn about probability distributions, which they will need later, and learn basic descriptive statistics and sample distributions. Students will practice basic estimation and testing methods in inferential statistics, as well as analysis of variance and regression analysis, through data processing.

ビッグデータの時代と言われている。近年、データの計測およびストレージ技術の発達とともに、大規模データから適切に情報抽出し、それを意思決定に活用することが必須のリテラシーとなっている。いっぽうデータの形式と対応する解析法の変化は著しく、新しい方法を正しく利用するために、普遍的な統計科学の原理を理解することが重要である。基礎となる統計数理とともに、具体的な統計解析手法とその運用を、統計ソフトウエアによるデータ解析実習を通じて習得する。 　統計データ解析Ⅱでは、統計ソフトウエアRの説明の後、高次元大規模データに潜む相関構造を発見し計量する多変量解析、および時系列データの基本的な解析法を学ぶ。統計手法の運用とデータハンドリングを実習することに加え、微分積分学、線型代数学等の前期課程数学と連携し、数理科学的側面を意識しながら、実験を介して統計手法の合理性と体系を感得する。 It is said that we are in the era of Big Data. With the recent development of data measurement and storage technologies, it has become essential literacy to properly extract information from large-scale data and utilize it for decision-making. However, the format of data and the corresponding analysis methods have changed remarkably, and it is important to understand the essential principles of statistical science in order to properly use new methods. Students learn basic statistical mathematics as well as specific statistical analysis methods and their application through practical training in data analysis using statistical software. In Statistical Data Analysis II, after explaining the statistical software R, students learn multivariate analysis for finding and weighing correlation structures hidden in high-dimensional large-scale data, and basic analysis methods for time series data. In addition to the practical training in the operation of statistical methods and data handling, students will gain a sense of the rationality and systematics of statistical methods through experiments, while being aware of the mathematical scientific aspects in conjunction with undergraduate mathematics such as differential and integral calculus and linear algebra.

目標： 実世界情報処理（IoT, CPS, AR, VR）に関する理解を深め、発展の方向性についての認識を持つ 目的： 1) IoT, CPS, AR, VRの特徴・意義を説明できる 2) それぞれの技術の要素技術の長所短所を説明できる 3) 日々のIoT, CPS, AR, VRに関するニュースを理解でき、自分の意見を構築できる Goal: To deepen understanding of real-world information processing (IoT, CPS, AR, VR) and awareness of development directions Objectives: 1) To be able to explain the characteristics and significance of IoT, CPS, AR, and VR 2) To be able to explain the advantages and disadvantages of the elemental technologies of each technology 3) To be able to understand the daily news about IoT, CPS, AR, VR and to be able to construct one's own opinion

確率モデルを基礎とした機械学習に関する諸概念を習得することを目標とする。 To learn the basic concepts of statistical machine learning

ロボットの基本的な理論から，ロボットを制御するためのセンシング技術や制御技術を包括的に学び，最新のロボット技術を交えて，物体を巧みに操るロボットマニピュレーションについて論じる．

本講義では、「データサイエンスとは、実データから価値を見出し、それをデザインに落とし込む力である」という考えに基づき、自由に入手可能な実データを活用した演習形式の講義を実施します。講義の中では随所で統計学や機械学習の技術概要も説明しますが、単なる技術ツールの習得にとどまらず、その先にある目標や展望を意識できることを目指します。プログラミング初心者には、基礎的なプログラミングの指導を行います。課題に対する回答はRを用いたものも受け付けますが、講義ではPythonを主に扱います。

本講義では、「データサイエンスとは、実データから価値を見出し、それをデザインに落とし込む力である」という考えに基づき、自由に入手可能な実データを活用した演習形式の講義を実施します。講義の中では随所で統計学や機械学習の技術概要も説明しますが、単なる技術ツールの習得にとどまらず、その先にある目標や展望を意識できることを目指します。プログラミング初心者には、基礎的なプログラミングの指導を行います。課題に対する回答はRを用いたものも受け付けますが、講義ではPythonを主に扱います。